使用高斯过程模拟器在 ensemble Kalman 滤波器中快速校准心房电生理模型
应用统计
2025-10-08 v1
摘要
心房颤动 (AF) 是一种常见的心脏 arrhythmia，特点是心房电活动失序。标准治疗方案是经皮电消螳术，这种技术既侵入性又不可逆。近期的计算电生理学进展为患者特异模型提供了潜在可能，这些模型常被称为数字孪生体，可用于指导临床决策。要使其具有实际价值，我们必须能够快速使用常规临床测量结果来校准基于物理的模型。我们将此校准任务作为静态逆问题提出，即从可用观测结果推断组织水平的电生理参数。为使其可行，我们用高斯过程模拟器 (GPEs) 替代昂贵的前向模型，并提出了一种针对静态非线性逆问题的 novel ensemble Kalman 滤波 (EnKF) 适应方法。该方法产生可以解释为来自后验分布最佳高斯近似的 parameter samples。我们将结果与使用 Markov chain Monte Carlo (MCMC) 采样获得的结果进行比较，证明了该方法能够实现近实时患者特异校准，这是实现在临床时间尺度内预测 AF 治疗结果的关键步骤。该方法 readily applicable to a wide range of static inverse problems in science and engineering。
引用
@article{arxiv.2510.06191,
title = {Rapid calibration of atrial electrophysiology models using Gaussian process emulators in the ensemble Kalman filter},
author = {Mariya Mamajiwala and Cesare Corrado and Chris Lanyon and Steven A. Niederer and Richard D. Wilkinson and Richard H. Clayton},
journal= {arXiv preprint arXiv:2510.06191},
year = {2025}
}